Geri Dön

Deep learning based prediction of path loss values and distributions from satellite images

Uydu görüntülerinden yol kaybı değerlerinin ve dağılımlarının derin öğrenme tabanlı tahmini

  1. Tez No: 672668
  2. Yazar: AHMED MOHAMED NAGIB IBRAHIM MAREY AHMED MOHAMED NAGIB IBRAHIM MAREY
  3. Danışmanlar: PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: İstanbul Medipol Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 86

Özet

It is critical to provide rapid deployment of robust and effective outdoor communication systems in today's world, where many seek to provide wireless connection services from aerial grids of drones and balloons, or low orbit satellites. This goal cannot be achieved without fast and detailed analysis of different terrains and building characteristics. Current methods, such as ray tracing simulations, empirical mathematical models, or practical measurement surveys, are neither generally applicable nor fast enough. In this thesis, we propose two solutions that are suitable for online analysis, rapid deployment, and accurate enough for predicting excessive path loss in wireless network planning. First, we propose using convolutional neural networks, such as VGG-16, and we compare the results for estimating the probability distribution of excessive path loss with satellite and height map inputs. Second, we develop a conditional Generative Adversarial Network for predicting point-wise path loss. We propose using adversarial loss function for training generator and discriminator in predicting path loss maps of a region. We show the results for satellite images and compare them with the height maps as an input for the proposed approach.

Özet (Çeviri)

Açık alan iletişim sistemlerinin sağlam, etkili ve hızlı bir şekilde konuşlandırılmasının kritik olduğu günümüzde, pek çok kişi insansız hava araçları ve balonlar veya düşük yörüngeli uyduların havadan şebekelerinden kablosuz bağlantı hizmetleri sağlamaya çalışmaktadır. Bu amaç farklı araziler ve bina özellikleri için hızlı ve ayrıntılı analiz yapılmadan elde edilemez. Işın izleme yöntemleri ya da ampirik matematiksel modeller veya pratik ölçüm anketleri gibi mevcut yöntemler yeteri kadar genel ya da hızlı değildir. Bu tezde, kablosuz ağ planlamasında aşırı yol kaybını tahmin etmek için çevrim içi analize, hızlı kuruluma uygun ve yeterince doğru iki çözüm öneriyoruz. İlk olarak aşırı yol kaybının olasılık dağılımını tahmin etmek için VGG-16 gibi bir evrişimsel sinir ağı kullanılmasını öneriyor, uydu ve yükseklik haritasının girdi olarak kullanılmasıyla elde edilen sonuçları karşılaştırıyoruz. İkinci olarak, noktasal yol kaybının kestirimi için koşullu bir Üretici Çekişmeli Ağ geliştiriyoruz. Bir bölgenin yol kaybı haritasının kestirimi için üretici ve ayırtaç ağ eğitiminde çekişmeli kayıp fonksiyonu kullanmayı öneriyoruz. Önerilen yaklaşım için uydu görüntülerinin sonuçları gösterilmiş ve yükseklik haritasının girdi olarak kullanılmasıyla elde edilen sonuçlarla karşılaştırılmıştır.

Benzer Tezler

  1. Deep learning based segmentation pipeline for label-free phase-contrast microscopy images

    Etiketsiz faz-kontrast mikroskopi görüntüleri için derin öğrenme tabanlı segmentasyon boru hattı

    AYDIN AYANZADEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DOÇ. DR. BEHÇET UĞUR TÖREYİN

    DOÇ. DR. DEVRİM ÜNAY

  2. Deep learning-based building segmentation using high-resolution aerial images

    Yüksek çözünürlüklü hava görüntüleri kullanarak derin öğrenme temelli bina bölütlemesi

    BATUHAN SARITÜRK

    Doktora

    İngilizce

    İngilizce

    2022

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  3. Enriching predictive models using graph embeddings

    Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi

    YAREN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  4. Orman yangınlarının görüntü işleme ile tespiti

    Detection of forest fires with image processing

    ANIL ALİŞER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP BALA DURANAY

  5. Unsupervised routing strategies for conditional deep neural networks

    Koşullu derin sinir ağları için gözetimsiz yönlendirme yöntemleri

    TUNA HAN SALİH MERAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. LALE AKARUN ERSOY